用fancyimpute和pandas进行数据填充

Question

我有一个大熊猫的数据成名df。它有相当多的遗漏。删除row/或col不是一种选择。中位数、均值或最频繁的值也不是一个选项(因此，不幸的是，用pandas和/或scikit来估算并不能解决这个问题)。

我偶然发现了一个看起来很不错的包，叫做fancyimpute (你可以在here上找到它)。但是我对它有一些问题。

下面是我要做的：

#the neccesary imports
import pandas as pd
import numpy as np
from fancyimpute import KNN

# df is my data frame with the missings. I keep only floats
df_numeric = = df.select_dtypes(include=[np.float])

# I now run fancyimpute KNN, 
# it returns a np.array which I store as a pandas dataframe
df_filled = pd.DataFrame(KNN(3).complete(df_numeric))

然而，df_filled在某种程度上是一个单一的向量，而不是填充的数据帧。如何获得带有估算的数据帧？

更新

我意识到，fancyimpute需要一个numpay array。因此，我使用as_matrix()将df_numeric转换为一个数组。

# df is my data frame with the missings. I keep only floats
df_numeric = df.select_dtypes(include=[np.float]).as_matrix()

# I now run fancyimpute KNN, 
# it returns a np.array which I store as a pandas dataframe
df_filled = pd.DataFrame(KNN(3).complete(df_numeric))

输出是一个缺少列标签的数据帧。有没有办法检索标签？

Answer 1

df=pd.DataFrame(data=mice.complete(d), columns=d.columns, index=d.index)

fancyimpute对象(无论是mice还是KNN)的.complete()方法返回的np.array被作为pandas数据帧的内容(argument data=)提供，该数据帧的参数和索引与原始数据帧相同。

Answer 2

在代码后面添加以下行：

df_filled.columns = df_numeric.columns
df_filled.index = df_numeric.index

Answer 3

我看到了花哨的指责和熊猫的挫败感。下面是一个使用递归覆盖方法的相当基本的包装器。接收并输出数据帧-列名保持不变。这些类型的包装器可以很好地与管道一起工作。

from fancyimpute import SoftImpute

class SoftImputeDf(SoftImpute):
    """DataFrame Wrapper around SoftImpute"""

    def __init__(self, shrinkage_value=None, convergence_threshold=0.001,
                 max_iters=100,max_rank=None,n_power_iterations=1,init_fill_method="zero",
                 min_value=None,max_value=None,normalizer=None,verbose=True):

        super(SoftImputeDf, self).__init__(shrinkage_value=shrinkage_value, 
                                           convergence_threshold=convergence_threshold,
                                           max_iters=max_iters,max_rank=max_rank,
                                           n_power_iterations=n_power_iterations,
                                           init_fill_method=init_fill_method,
                                           min_value=min_value,max_value=max_value,
                                           normalizer=normalizer,verbose=False)



    def fit_transform(self, X, y=None):

        assert isinstance(X, pd.DataFrame), "Must be pandas dframe"

        for col in X.columns:
            if X[col].isnull().sum() < 10:
                X[col].fillna(0.0, inplace=True)

        z = super(SoftImputeDf, self).fit_transform(X.values)
        return pd.DataFrame(z, index=X.index, columns=X.columns)